关于 AI 就业的争论可能已经跑在证据前面了
在科技行业，关于 AI 导致失业的预测正变得越来越夸张。MIT Technology Review 清楚地捕捉到了这种氛围：高管和研究人员公开讨论衰退风险、早期职业阶梯的崩塌，以及 AI 可能充当广泛劳动力替代品的前景。但该刊物也强调了芝加哥大学经济学家 Alex Imas 提出的一个更为冷静的反论点：用于估算劳动力扰动的常用数据工具，可能严重不足。
核心批评是，经济学家和政策制定者过度依赖任务暴露度。如果一份工作包含 AI 可能完成的任务，这份工作往往就会被视为有风险。Imas 认为这还不够。正如源文中引用的那样，暴露度本身并不是预测岗位替代的有效指标。
为什么任务暴露度过于粗糙
文章通过一个熟悉的例子解释了这一逻辑。工作是许多任务的组合，其中一些可能可以自动化，另一些则未必。研究人员一直在使用一个政府任务目录来估算各职业受到 AI 影响的程度，该目录最早于 1998 年推出，并定期更新。OpenAI 在 12 月曾使用这类数据评估职业暴露度，而 Anthropic 随后将这些任务列表与数百万条 Claude 对话进行比较，以查看用户实际上用 AI 在执行哪些任务。
这听起来很严谨，但问题在于结构性的。工作并不仅仅是可自动化任务的总和。有些任务是核心，有些是边缘性的，还有一些与信任、监管或面对面判断紧密相关。替代或增强某一项任务，并不会自动抹去其周围的角色。因此，暴露度数据可以告诉我们 AI 触及了工作的哪些部分，却无法告诉我们就业将如何变化。
缺失的数据是员工层面的现实
MIT Technology Review 称，Imas 正呼吁经济学家收集另一类证据：能够反映 AI 工具进入劳动力市场后，工人实际发生了什么的数据。这一呼吁很重要，因为公共讨论大多仍被预测、轶事或企业层面的说辞所主导，而不是关于工资、工时、招聘、职业进展和替代情况的纵向证据。
从实际角度看，这意味着这场争论的顺序搞反了。社会在还没有建立起理解问题规模和形态所需的测量体系之前，就已经在讨论政策回应。如果 AI 对劳动力市场的影响并不均匀，并且在年龄、行业、资历和地域之间存在明显差异，那么粗糙的职业层面暴露评分可能掩盖的内容多于揭示的内容。
为什么这件事现在重要
这种紧迫性不仅是学术性的。文章指出，工人已经开始恐慌，而立法者尚未明确下一步的连贯方案。这是一个危险组合。当公众恐惧高涨而证据薄弱时，政策可能变得被动、象征化，或者被最响亮的叙事所俘获。
根据文章，即便是此前曾警告不要过度解读 AI 劳动影响的经济学家，也在逐渐接近这样一种看法：这项技术可能对工作产生前所未有的影响。这并不意味着每一种末日论断都成立。但这确实表明，被动等待更好的数据自然出现，可能是个错误。
测量缺口可能演变成政策失败
这篇文章最重要的观点是，糟糕的测量不仅会造成学术混乱，还会直接削弱政策能力。如果政府不知道哪些工人正在被替代、哪些岗位正在变化、或者早期职业阶梯在哪里开始断裂，就无法设计有针对性的应对措施。培训政策、安全网规划、教育改革，甚至税收讨论，都取决于理解 AI 在企业和职业内部到底做了什么。
这也是为什么文章所描述的呼吁，既是经济问题，也是制度问题。围绕 AI 构建更好的劳动力市场数据，可能需要研究人员、雇主和公共机构之间的协调。它也可能要求比常规劳动统计更快，因为后者往往会滞后于工作组织方式的真实变化。
未来工作的讨论需要更好的仪器
AI 劳动争论之所以如此极化，部分原因在于这场对话是在较弱的测量条件下进行的。一方声称 AI 很快将接管几乎所有工作。另一方则提醒说，大规模失业尚未在总体数据中清晰出现。两者在有限意义上都可能成立，同时仍未能捕捉到表层之下正在发生的事情。
MIT Technology Review 的贡献在于，把暴露度与替代之间的差距识别为关键的分析断层。这一区分值得更多关注。一份工作可以高度暴露于 AI，却仍然在多年内保持稳固。另一份工作可能只是部分暴露，却因为初级任务先消失，切断了培养未来专家的通道，而变得脆弱。
下一个严肃的 AI 劳动故事很可能是统计性的，而不是修辞性的
这篇文章最强烈的结论是，社会需要更少的表演，更多的证据。关于全面替代劳动的宏大预测或许能主导头条，但它们不能替代严谨的测量。如果经济学家关于当前工具极其糟糕的判断是对的，那么下一步最关键的事情不是再开一场关于 AI 是否会摧毁工作的辩论会，而是持续收集员工层面的数据，以看清到底发生了什么变化。
在那之前，无论乐观还是恐慌都仍然证据不足。如今，关于未来工作的讨论已经大到一个程度，以至于缺乏更好的证据本身，正在成为关于 AI 最重要的事实之一。
本文基于 MIT Technology Review 的报道。阅读原文。
Originally published on technologyreview.com